8485

استفاده از الگوريتم‌هاي داده‌كاوي در تجزيه و تحليل داده‌هاي بيماران اوتيسم

كارشناسي

مهندسي صنايع

1402

دكتر روزبه قوسي

دكتر احمد ماكويي

1402/06/11

مهندسي صنايع

Data Mining Algorithms Application in the Analysis of Autism Patients’ Data

اختلال طيف اوتيسم يك اختلال روان‌تني است كه در فرد توانايي استفاده از مهارت‌هايي همچون يادگيري، اجتماعي، ارتباطي، زباني و... را با اختلال مواجه مي‌كند. افزايش تعداد مبتلايان به اوتيسم در اين برهه از زمان، اين بحث را به يك مسئله اجتناب‌ناپذير تبديل مي‌كند، كه با شناسايي زودهنگام و به موقع مبتلايان به اوتيسم، از تشديد بيماري و افزايش هزينه‌هاي درمان آنها پيشگيري شود. الگوريتم‌هاي يادگيري ماشين، يكي از آن دسته ابزاري است، كه مي‌تواند با استفاده از داده‌هاي افراد، اختلال طيف اوتيسم در ايشان را تشخيص دهد. مزيت استفاده از اين الگوريتم‌ها دقت و سرعت بالاي آنها است و از آنجايي كه زمان يكي از پارامترهاي مهم در پيش‌بيني و تشخيص اوتيسم در افراد است، مزيت سرعت بالا در پيش‌بيني، استفاده از اين الگوريتم‌ها را اجتناب‌ناپذير مي‌كند. در اين پژوهش با استفاده انجام فرآيند داده‌كاوي بر روي يك مجموعه‌داده از كودكان مشكوك به اختلال طيف اوتيسم، ابتدا تشخيص داده مي‌شود كه آيا فرد داراي ويژگي اوتيسم است يا خير، و در ادامه در صورت ابتلاي به اوتيسم، جزو كدام دسته از مقياس درجه‌بندي اوتيسم در كودكان قرار مي‌گيرد. الگوريتم‌هاي يادگيري ماشين استفاده شده در اين پژوهش شامل الگوريتم‌هاي طبقه بندي درخت تصميم، جنگل تصادفي، تقويتي گراديان، كيسه‌اي، رأي‌گيري، K نزديكترين همسايه و ماشين بردار پشتيبان و رگرسيون لجستيك است. الگوريتم‌هاي طبقه‌بندي در تشخيص ويژگي اوتيسم حداكثر دقت را داشتند و در صدر آنان الگوريتم طبقه‌بندي جنگل تصادفي بود. در پيش‌بيني مقياس درجه‌بندي اوتيسم در كودكان به دليل محدوديت‌هايي همچون كمبود داده و عدم تعادل مجموعه داده در متغير هدف، عملكرد الگوريتم‌ها نسبت به مرحله اول دچار افت شد اما با اين حال الگوريتم جنگل تصادفي بهترين عملكرد و خروجي را داشت. با استفاده از نتايج اين پژوهش مي‌توان از الگوريتم طبقه‌بندي جنگل تصادفي، به عنوان يكي از بهترين الگوريتم‌هاي پيش‌بيني و تشخيص در اختلال طيف اوتيسم ياد كرد.

اختلال طيف اوتيسم , پيش‌بيني , داده كاوي , يادگيري ماشين , طبقه بندي جنگل تصادفي